Contexte : Une entreprise souhaite détecter automatiquement des messages suspects dans un flux massif non annoté. Le Problème : Aucun label fiable n’est disponible pour entraînement supervisé. Contraintes : Utiliser embeddings de phrases ou autoencoder. Définir seuil basé sur distance ou reconstruction error. Évaluer qualitativement. Livrable attendu : Proposer une architecture NLP non supervisée capable de détecter anomalies textuelles rares avec stratégie d’évaluation adaptée.